人工智能辅助诊疗知情同意的未成年人保护

人工智能辅助诊疗知情同意的未成年人保护演讲人AI辅助诊疗与未成年人知情同意的特殊性交织01构建AI辅助诊疗未成年人知情同意的多维保护框架02当前AI辅助诊疗未成年人知情同意的保护困境03未来展望：在技术创新与儿童保护中寻求动态平衡04目录人工智能辅助诊疗知情同意的未成年人保护作为儿科临床工作者，我曾亲历这样一个案例：一名12岁的哮喘患儿，其病情复杂程度远超常规诊疗范畴。医院引入的AI辅助诊断系统通过分析患儿既往病史、基因数据及实时生理指标，提出了与传统经验治疗不同的用药方案。面对屏幕上跳出的“AI推荐建议”，患儿母亲握着我的手反复追问：“这机器真的懂我孩子的病吗？要是错了，责任算谁的？”这个瞬间让我深刻意识到，当人工智能（AI）技术介入未成年人诊疗领域，传统的知情同意框架正面临前所未有的挑战——未成年人作为特殊的弱势群体，其认知能力、自主决策权及权益保护需求，与AI技术的算法复杂性、数据敏感性及责任不确定性之间，存在着亟待调和的张力。如何构建既尊重医学进步规律又契合未成年人权益保护需求的知情同意机制，已成为医疗、法律、伦理与技术领域必须共同破解的时代命题。01AI辅助诊疗与未成年人知情同意的特殊性交织AI辅助诊疗与未成年人知情同意的特殊性交织AI辅助诊疗在未成年人群体中的应用，本质上是对传统医疗模式的革新，但其知情同意环节的特殊性，源于未成年人身心特征与AI技术特性的双重叠加。这种叠加并非简单的问题累加，而是催生了全新的伦理与法律困境，需要我们从底层逻辑进行解构。（一）未成年人知情同意能力的“年龄梯度”与AI决策复杂性的矛盾传统医疗中，未成年人的知情同意能力遵循“年龄梯度”原则：无民事行为能力人（不满8周岁）由监护人完全代理；限制民事行为能力人（8周岁以上不满18周岁），需结合其认知程度由监护人代理或征得其同意。这一框架建立在“医患双方直接沟通”的基础上，医生可通过语言解释、视觉演示等方式，让适龄未成年人理解诊疗方案的“性质、风险、收益及替代方案”。AI辅助诊疗与未成年人知情同意的特殊性交织然而，AI辅助诊疗的决策逻辑打破了这种直观性。其核心是基于海量数据训练的算法模型，通过“特征提取—模式识别—概率输出”的过程生成诊疗建议。例如，儿童肿瘤AI系统可能通过分析上万份病例影像，识别出人眼难以察觉的微小转移灶，但其决策过程涉及数百个权重参数的交叉运算，医生尚难以完全解释“为何该病灶被判定为高危”，更遑论向未成年人或家长清晰传达。我曾遇到一位15岁的白血病患儿，其AI辅助预后评估显示“生存概率提升15%”，但当被问及“这个数字是怎么算出来的”时，医生只能回答“机器学习了很多类似病例”。这种“知其然不知其所以然”的解释困境，直接导致家长对AI建议的信任危机，也使未成年人基于理解的有效同意沦为空谈。AI辅助诊疗与未成年人知情同意的特殊性交织更关键的是，未成年人的认知发展具有阶段性：8-10岁儿童开始具备基础的风险判断能力，但对复杂概率、长期后果的理解仍有限；14-17岁青少年的抽象思维趋于成熟，但算法的“黑箱特性”远超其认知范畴。当AI系统输出的结果与医生经验判断冲突时（如AI建议对儿童罕见病采用超说明书用药），监护人往往陷入“该信医生还是信机器”的纠结，而适龄未成年人也可能因对技术的不信任而拒绝配合，进一步加剧了决策的复杂性。未成年人数据权益的敏感性与AI数据依赖性的冲突AI辅助诊疗的“智能”本质上是“数据驱动”的——模型训练需要大量病例数据，而未成年人数据因其“动态性”（如生长发育数据）、“脆弱性”（生理心理未成熟）及“可识别性”（结合年龄、性别、学校等信息易精准定位），成为隐私保护中的“敏感中的敏感”。我国《个人信息保护法》明确将“不满十四周岁未成年人的个人信息”作为“敏感个人信息”，处理时需取得“监护人同意”并“告知处理者的身份和联系方式、处理目的、方式、保存期限等事项”。但在实际应用中，AI系统的数据依赖性与未成年人数据权益保护存在三重冲突：其一，数据“非个体化”与“个体敏感”的冲突。AI模型需要群体数据训练，但未成年人个体数据一旦泄露，可能引发歧视（如在学校投保时被拒）、污名化（如精神疾病数据被传播）甚至人身安全风险。未成年人数据权益的敏感性与AI数据依赖性的冲突例如，某儿童医院曾因AI系统数据库漏洞，导致多名自闭症患儿的家庭住址、病情细节被非法获取，家长随即遭遇精准诈骗。其二，“同意范围”与“数据二次利用”的冲突。监护人同意的“特定诊疗目的”数据，可能被医院或企业用于算法优化、模型迭代，甚至商业合作，这种“二次利用”往往未在初始知情同意中明确告知，构成对监护人代理权的侵犯。其三，“数据最小化”原则与“算法效果”的平衡。AI模型训练需要足够多的数据维度，但未成年人数据收集遵循“最小必要”原则，过度收集可能超出诊疗必需，侵害儿童权益。我曾参与制定某儿童AI辅助诊断系统的数据规范，内部争议的核心正在于：为了提升模型准确率，是否需要收集患儿父母的基因信息？这一信息与患儿诊疗无直接关联，但可能优化算法对遗传性疾病的判断——这种“为了AI更好”而牺牲儿童数据隐私的做法，显然违背了“儿童最大利益原则”。未成年人数据权益的敏感性与AI数据依赖性的冲突（三）监护人代理权的“边界困境”与AI诊疗风险的“不确定性叠加”传统医疗中，监护人代理权的行使边界相对清晰：需以未成年人“最大利益”为原则，不得滥用代理权损害其权益。但当AI介入诊疗，风险的不确定性使这一边界变得模糊：其一，AI决策风险的“隐蔽性”。传统医疗风险多源于药物副作用、手术创伤等可预见因素，而AI风险可能来自算法偏见（如训练数据中某民族儿童样本不足导致诊断偏差）、数据污染（如标注错误的数据被纳入模型）、系统故障（如AI误判患儿病情危急程度）等，这些风险难以通过常规医疗风险评估体系识别。例如，某地曾发生AI辅助系统因数据采集误差，将一名儿童普通肺炎误判为重症，导致过度使用激素，引发患儿股骨头坏死——这种“技术性误诊”的责任认定，远超传统医疗纠纷的范畴。未成年人数据权益的敏感性与AI数据依赖性的冲突其二，监护人“知情能力”的不足。多数家长对AI技术的认知停留在“智能机器”层面，不了解其算法原理、适用条件及局限性，更难以判断AI建议是否真正适合孩子。我曾调研过50位接受过AI辅助诊疗的患儿家长，其中68%表示“医生解释时提到AI，但具体怎么工作的没听懂”，23%承认“因为觉得AI高科技就同意了，没仔细看风险说明”。这种“信息不对称”下的代理同意，本质上可能偏离未成年人最大利益。其三，责任分配的“链条断裂”。传统医疗责任主体明确（医生、医院），但AI诊疗涉及医疗机构、算法开发者、数据提供方等多主体，当AI建议导致损害时，是追究医生“未尽审核义务”，还是开发者“算法缺陷责任”，抑或医院“管理失职”？法律责任的模糊性，使监护人在行使代理权时缺乏明确预期，甚至可能出现“医院推诿、企业免责”的局面，最终损害未成年人权益。02当前AI辅助诊疗未成年人知情同意的保护困境当前AI辅助诊疗未成年人知情同意的保护困境AI技术与未成年人诊疗的融合，在提升诊断效率、优化治疗方案的同时，也暴露出法律规范滞后、技术标准缺失、伦理机制虚化等系统性问题。这些问题若不及时破解，将使“知情同意”这一医疗伦理基石，在未成年人AI诊疗中沦为形式化的“橡皮图章”。法律规范的“滞后性”与“碎片化”我国目前尚未针对AI辅助诊疗的未成年人知情同意制定专门法律，相关规定散见于《基本医疗卫生与健康促进法》《个人信息保护法》《未成年人保护法》等法律法规中，存在“三重不足”：其一，“原则性规定有余，操作性指引不足”。例如，《未成年人保护法》第五十九条规定“处理未成年人个人信息，应当取得未成年人父母或者其他监护人同意”，但未明确AI诊疗中“个人信息”的范畴（是否仅限于诊疗数据，是否包括用于算法训练的衍生数据）、“同意”的形式（书面同意是否必须，电子同意的效力如何认定）等关键问题。其二，“传统医疗思维惯性，未充分考量AI特性”。现有知情同意规则强调“书面告知+签字确认”，但AI系统的动态更新特性（如算法迭代导致诊疗建议变化）使静态的书面告知难以覆盖风险。例如，某儿童医院使用的AI辅助用药系统，每月更新一次算法模型，但法律并未规定“模型更新后是否需重新取得监护人同意”——实践中多数医院仅在首次诊疗时告知“系统可能更新”，后续变更无需重新同意，这种“一次同意终身有效”的做法，实质剥夺了监护人的知情选择权。法律规范的“滞后性”与“碎片化”其三，“责任条款空白，救济路径模糊”。《民法典》第1222条规定“患者在诊疗活动中受到损害，医疗机构或者其医务人员有过错的，由医疗机构承担赔偿责任”，但AI诊疗中“过错”如何认定？若因算法偏见导致误诊，是认定医疗机构“未尽审查义务”还是开发者“产品缺陷”？《个人信息保护法》虽规定“侵害个人信息造成损害的，依法承担民事责任”，但未明确“算法决策导致的数据损害”是否属于“个人信息侵权”，使未成年人及其监护人在权益受损时面临“起诉无门”的困境。技术标准的“缺失性”与“单一化”AI辅助诊疗的技术标准是知情同意有效性的基础保障，但当前行业标准存在“两缺”：一是“算法可解释性标准缺失”。多数AI系统采用深度学习模型，其“黑箱特性”使医生难以向监护人解释诊疗建议的生成逻辑，监护人也无法基于理解做出真实意愿表示。目前仅有《人工智能医疗器械注册审查指导原则》提出“应提供人工智能决策过程的可解释性说明”，但未规定“可解释性”的具体程度（如需解释到“参数级别”还是“特征级别”）、“对未成年人的特殊解释要求”等，导致实践中医疗机构对“如何解释”无所适从。二是“未成年人专用知情同意工具标准缺失”。传统知情同意书采用成人化的文字表述，充斥着“算法模型”“数据训练”“概率输出”等专业术语，监护人尚难以理解，更遑论适龄未成年人。目前市场上缺乏针对儿童认知特点设计的知情同意工具——如用动画演示AI如何“学习”疾病、用互动游戏解释诊疗风险、用通俗语言解读算法结论等。技术标准的“缺失性”与“单一化”我曾尝试将一份AI辅助诊疗知情同意书翻译成儿童漫画版，结果发现：即使简化了术语，8-10岁儿童对“AI会分析很多小朋友的病历”的理解，仍停留在“机器偷看别人隐私”的认知偏差，这说明“形式简化”不等于“认知适配”，亟需建立基于儿童认知发展阶段的技术标准体系。伦理审查的“形式化”与“被动化”伦理审查是保障未成年人知情同意权的重要防线，但当前AI诊疗的伦理审查存在“三轻”问题：一是“轻未成年人参与”。多数医疗机构伦理委员会的组成以医学、法学专家为主，缺乏儿童心理学、教育学专家，更未吸纳未成年人代表参与审查。对于“AI诊疗方案是否符合儿童心理接受度”“知情同意过程是否尊重儿童自主意愿”等问题，审查往往流于形式。例如，某儿童医院AI辅助手术系统伦理审查报告中，仅提及“已取得监护人书面同意”，未考虑14岁以上患儿对“机器辅助手术”的恐惧心理及知情需求。二是“轻动态风险评估”。传统伦理审查多针对“一次性诊疗方案”，但AI系统需持续接收数据、迭代算法，其风险具有动态累积性。当前审查多聚焦“初始应用阶段”，对“算法更新带来的新风险”“数据长期使用的潜在影响”缺乏跟踪评估。我曾参与某AI儿童慢病管理系统的伦理审查，发现其仅审查了“初始数据采集方案”，未考虑系统上线后三年间患儿生活方式数据可能被用于商业行为的风险，这种“静态审查”难以防范长期伦理风险。伦理审查的“形式化”与“被动化”三是“轻利益冲突管控”。AI技术开发企业与医疗机构的深度合作，可能引发利益冲突——如企业通过资助研究、提供设备等方式影响医生对AI系统的推荐，进而影响监护人知情选择。但当前伦理审查对“合作研发中的利益披露”“算法商业利益与儿童医疗利益的平衡”等问题关注不足，存在“为技术合作而放松伦理标准”的隐患。医患沟通的“技术化”与“情感化缺失”知情同意的本质是“医患之间的信任沟通”，但AI介入后，沟通方式出现了“两极分化”：一方面，部分医生过度依赖AI的“权威性”，将AI建议直接告知监护人，忽视了对方案风险的个性化解释。例如，有医生直接对家长说“AI建议用这个新药，有效率比传统方案高20%”，却未告知“新药在儿童中的长期副作用数据尚不充分”，这种“技术独白”式的沟通，实质剥夺了监护人权衡风险的权利。另一方面，部分医生因担心AI责任风险，将“是否同意AI诊疗”完全推给监护人，甚至用“AI只是辅助，最终决定权在你”回避专业判断。我曾遇到一位医生，在家长质疑AI建议时，仅回应“这是机器算的，我也不太懂”，这种“技术甩锅”式的沟通，不仅无法消除家长疑虑，更摧毁了医患信任基础。更深层次的问题是，AI诊疗中“医—机—患”的三角关系，使医生与监护人、未成年人之间直接的“情感连接”被削弱——当医生面对屏幕上的AI结论而非患儿的眼神时，沟通中的人文关怀难免流失，而未成年人对“冰冷机器”的天然排斥，也使其更难表达真实意愿。03构建AI辅助诊疗未成年人知情同意的多维保护框架构建AI辅助诊疗未成年人知情同意的多维保护框架破解AI辅助诊疗未成年人知情同意的困境，需要跳出“技术决定论”或“伦理至上论”的单一思维，构建“法律规范为基石、技术标准为支撑、伦理机制为保障、人文沟通为纽带”的四位一体保护框架。这一框架的核心要义，是将“未成年人最大利益原则”贯穿AI诊疗的全流程，实现技术创新与权益保护的动态平衡。完善法律规范：明确规则边界与责任分配法律是保护未成年人知情同意权的“底线保障”，需加快填补空白、细化规则，为AI诊疗提供清晰的行为指引。完善法律规范：明确规则边界与责任分配制定专门的AI辅助诊疗未成年人知情同意指南在《基本医疗卫生与健康促进法》框架下，由卫健委、网信办、司法部等部门联合制定《AI辅助诊疗未成年人应用管理规范》，明确以下核心内容：其一，知情同意的“年龄适配”标准。针对不同年龄段未成年人，规定知情同意的内容深度和形式：8周岁以下，由监护人签署“AI诊疗知情同意书”，内容需包含“AI系统名称、开发方、数据来源、主要功能、潜在风险及替代方案”；8-12岁，在监护人同意基础上，采用“图文+动画”的儿童版知情同意书，并口头解释患儿可理解的风险；12-18岁，需取得监护人和未成年人的双重同意，且未成年人对“AI参与决策的程度”（如仅辅助诊断还是参与治疗方案选择）享有部分决定权。完善法律规范：明确规则边界与责任分配制定专门的AI辅助诊疗未成年人知情同意指南其二，数据处理的“全流程规范”。明确AI诊疗中未成年人数据的收集范围（仅限于与诊疗直接相关的数据，禁止收集父母基因信息、家庭财产状况等无关数据）、使用边界（仅可用于该患儿诊疗或经脱敏后用于算法优化，且需重新取得监护人同意）、存储期限（最长不超过患儿成年后5年，逾期删除）。建立“数据影响评估”制度，医疗机构在引入AI系统前，需评估该系统对未成年人数据的潜在风险，并提交伦理委员会审查。完善法律规范：明确规则边界与责任分配构建“多元主体协同担责”的责任体系针对AI诊疗责任认定难的问题，在《民法典》《产品质量法》中明确“开发者-医疗机构-医生”的连带责任：其一，算法开发者需承担“产品缺陷责任”，若因算法设计缺陷、数据污染等导致未成年人损害，开发者应承担主要赔偿责任；其二，医疗机构需承担“管理责任”，包括对AI系统的审查义务（审核算法安全性、数据合规性）、告知义务（向监护人说明AI系统的局限性）、监督义务（监控AI应用过程，发现异常及时干预）；其三，医生需承担“专业判断责任”，不得盲目采纳AI建议，需结合患儿具体情况独立判断，若因未尽审核义务导致损害，医生和医疗机构承担连带责任。同时，建立“AI诊疗责任保险”制度，要求医疗机构必须购买相关保险，为未成年人权益受损提供兜底保障。完善法律规范：明确规则边界与责任分配畅通未成年人数据权益救济渠道在《个人信息保护法》中增设“未成年人数据权益特殊保护条款”，明确：未成年人或其监护人发现AI诊疗中存在数据泄露、滥用等情形，可要求医疗机构删除数据、停止侵害，并主张精神损害赔偿；网信部门应建立“未成年人数据投诉绿色通道”，在48小时内受理、反馈；检察机关可对侵害未成年人数据权益的公益诉讼提起诉讼，形成“个人投诉-行政监管-司法救济”的闭环。健全技术标准：提升可解释性与认知适配性技术标准是保障知情同意权“实质有效”的关键，需通过标准化手段破解“黑箱困境”和“沟通障碍”。健全技术标准：提升可解释性与认知适配性强制推行“算法可解释性”分级标准基于AI系统在未成年人诊疗中的应用风险（如辅助诊断vs.手术决策、低风险vs.高风险），制定《AI辅助诊疗算法可解释性分级规范》：一级（低风险，如体检报告解读），需向监护人解释AI的核心判断依据（如“系统发现血常规中某项指标异常，参考了XX份儿童健康数据”）；二级（中风险，如辅助用药选择），需解释算法的“特征权重”（如“系统推荐该药物，是因为患儿的基因型与既往有效病例的匹配度达85%”）；三级（高风险，如肿瘤治疗方案制定），需提供“可追溯的决策路径”（如系统展示从影像输入到治疗建议的全过程，包括识别的病灶位置、对比的病例库、排除的替代方案等）。同时，要求开发者提供“未成年人专用可解释接口”，医生可通过该接口调取算法解释内容，并转化为监护人能理解的通俗语言。健全技术标准：提升可解释性与认知适配性开发“年龄适配型”知情同意工具组建由儿科医生、儿童心理学家、UI设计师、AI专家团队，共同开发《AI辅助诊疗未成年人知情同意工具包》：其一，针对8岁以下儿童，设计“卡通形象+互动游戏”的知情同意模式，如通过“小医生机器人”动画演示AI如何帮助小朋友治病，用“选择小勇士装备”的游戏解释不同治疗方案的“风险和奖励”；其二，针对8-12岁儿童，采用“情景模拟+提问互动”模式，如让患儿扮演“小侦探”，观察AI如何“破译”病情密码，并通过“你希望机器帮你做什么”的问题引导其表达意愿；其三，针对12-18岁青少年，提供“自主决策清单”，列出“AI可能参与的具体环节”（如分析检查结果、预测治疗效果、推荐医生选项），由青少年自主勾选“同意/不同意”的部分，并赋予其“拒绝AI参与某环节”的权利。工具包需通过“儿童认知理解度测试”（邀请不同年龄段儿童试读并反馈理解偏差），确保内容与认知水平匹配。健全技术标准：提升可解释性与认知适配性建立“AI诊疗安全验证”标准体系制定《AI辅助诊疗未成年人安全验证规范》，要求所有面向未成年人应用的AI系统，必须通过“三重验证”：其一，“数据安全验证”，确保训练数据已进行脱敏处理（如删除姓名、身份证号等直接标识符，采用k-匿名技术保护间接标识符），且未包含非法获取的未成年人数据；其二，“算法公平性验证”，通过“不同性别、年龄、民族患儿数据的算法准确率对比测试”，确保不存在算法偏见（如某民族儿童诊断准确率显著低于平均水平）；其三，“临床有效性验证”，在正式应用前需开展多中心临床试验，验证AI系统在未成年人群体中的敏感度、特异度等指标，且不低于传统诊疗方法。强化伦理审查：构建动态化、全流程的审查机制伦理审查是防范AI诊疗伦理风险的“防火墙”，需从“静态审查”转向“动态审查”，从“机构内部审查”转向“多方参与审查”。强化伦理审查：构建动态化、全流程的审查机制设立“未成年人AI诊疗伦理委员会”要求二级以上儿科医院必须设立专门的伦理委员会，成员构成需满足“三三制”：1/3为医学伦理学、法学专家，1/3为儿童心理学、教育学专家，1/3为未成年人监护人代表、青少年代表及AI技术专家。委员会职责包括：审查AI系统引入的伦理风险（如是否影响医患信任、是否侵犯数据权益）、监督知情同意过程（如是否尊重儿童意愿、是否充分告知风险）、评估算法迭代后的伦理影响（如新版算法是否引入新的风险点）。建立“伦理审查一票否决制”，对存在严重伦理风险的AI系统，禁止在未成年人诊疗中应用。强化伦理审查：构建动态化、全流程的审查机制推行“全生命周期伦理跟踪评估”改变“一次性审查”模式，建立“伦理评估-应用监督-反馈改进”的闭环机制：其一，AI系统上线前，需提交《伦理风险报告》，包含数据来源合规性、算法公平性、儿童隐私保护措施等内容，委员会进行专项审查；其二，系统应用后，每季度开展“伦理风险评估”，通过收集监护人反馈、分析AI决策日志、监测不良事件等方式，及时发现潜在问题（如某AI系统对女童的诊断准确率低于男童，需暂停使用并调整算法）；其三，建立“伦理审查申诉通道”，未成年人或其监护人对伦理审查结果有异议的，可向上一级卫生健康主管部门申诉，主管部门需在30日内组织复核。强化伦理审查：构建动态化、全流程的审查机制建立“利益冲突披露与回避”制度针对AI技术开发企业与医疗机构的合作，强制要求：其一，在合作协议中明确“伦理审查独立性条款”，禁止企业干预伦理审查过程；其二，医疗机构需向伦理委员会披露“研发资助、股权关联、技术咨询费”等利益冲突信息，存在直接利益关系的成员需回避审查；其三，建立“算法利益影响评估”机制，定期审查AI系统的商业应用（如是否将患儿数据用于药品推广）是否与儿童医疗利益冲突，对存在冲突的，立即终止合作并整改。优化人文沟通：重建“医—机—患”信任纽带知情同意的核心是“信任”，需通过人文沟通弥合AI技术带来的“情感鸿沟”，让监护人和未成年人感受到“技术是辅助，关爱是核心”。优化人文沟通：重建“医—机—患”信任纽带加强医生的“AI沟通能力”培训在儿科医生继续教育中增设“AI辅助诊疗沟通技巧”课程，重点培训三项能力：其一，“算法解释转化能力”，将复杂算法转化为家长能理解的生活化语言（如“AI系统就像一个读了上万份小朋友病历的小助手，它发现你的孩子这种情况用XX药效果更好”）；其二，“风险共情能力”，沟通中主动倾听家长对AI的担忧（如“您担心机器算错，我理解这种心情，我们会用AI建议加上医生经验双重判断”），而非回避问题；其三，“儿童参与引导能力”，通过“游戏式提问”（如“如果机器帮你分析病情，你想让它怎么帮你？”）鼓励未成年人表达意愿，让其感受到对自身诊疗的参与感。优化人文沟通：重建“医—机—患”信任纽带推行“分阶段、多场景”的知情同意流程改变“一次性签字同意”的机械流程，根据AI应用场景和未成年人特点，设计“阶梯式”沟通：其一，“初步沟通阶段”，在AI系统应用前，由主治医生与监护人、未成年人（视年龄）单独沟通，介绍AI系统的基本原理、优势及局限性，解答初步疑问；其二，“决策参与阶段”，邀请AI技术开发人员参与沟通（需经伦理委员会审核），现场演示AI系统如何工作（如展示算法分析患儿影像的过程），让监护人直观了解AI的“辅助”角色；其三，“动态反馈阶段”，诊疗过程中，定期向监护人反馈AI的应用效果（如“上次AI建议调整药量后，孩子的喘息症状减轻了”），并根据患儿病情变化和监护人反馈，及时调整AI参与程度。优化人文沟通：重建“医—机—患”信任纽带构建“家庭-医院-社会”协同支持网络知情同意不仅是医患双方的责任，需要社会各方共同支持：其一，医疗机构设立“AI诊疗咨询顾问”，由熟悉AI技术的非临床人员担任，专门解答家长关于技